Procesamiento de Señales e Imagenes

Ingeniería Biomédica

Ph.D. Pablo Eduardo Caicedo Rodríguez

2025-09-08

1) Título y propósito

Procesamiento de señales e imágenes Cómo transformar datos del mundo (sonidos, fotos, mediciones) en información útil para la vida diaria y la salud.

Preguntas guía

  • ¿Qué es una señal en la vida cotidiana?
  • ¿Qué es una imagen y cómo la entiende un computador?
  • ¿Por qué procesarlas mejora fotos, audios y ayuda en medicina?

2) ¿Qué es una señal?

Una señal es información que cambia con el tiempo o con otra variable. Ejemplos intuitivos:

  • Audio/voz: la amplitud del sonido sube y baja.
  • Temperatura ambiental: varía a lo largo del día.
  • Pulso cardíaco: latido a latido, cuenta una historia del cuerpo.

3) ¿Qué es una imagen?

Una imagen digital es una “rejilla” de puntitos llamados píxeles. Cada píxel guarda brillo y color. Al cambiar estos valores de forma ordenada, aparece una foto reconocible.

4) ¿Por qué procesarlas?

Cotidiano

  • Hacer fotos más nítidas y menos ruidosas.
  • Comprimir para enviar más rápido sin que se note la diferencia.
  • Reconocer patrones: voz, rostros, gestos simples.

Salud

  • ECG/EEG: ver ritmos y detectar señales de alerta.
  • Imágenes médicas (rayos-X, TAC, RM, ecografía): apoyar diagnóstico y guiar tratamientos.

5) Demostraciones rápidas (Python)

5.1 Voz sintética: señal seno con ruido + “espectro” simple

Señal tipo voz: tono de 440 Hz con ruido.

Espectro de magnitud (frecuencias presentes).

5.2 ECG sintético simplificado (5–8 latidos)

ECG sintético con latidos y leve ruido.

5.3 EEG tipo banda alfa (~10 Hz intermitente)

EEG sintético: ruido 1/f + ráfagas ~10 Hz (alfa).

5.4 Procesamiento de imagen (desenfoque y realce)

Imagen de prueba (degradado + cuadros).

Realce (unsharp mask) a partir de desenfoque caja 3×3.

6) Proyectos cotidianos (idea conceptual)

  • Reconocimiento básico de patrones en voz: distinguir entre vocales largas/cortas por su “huella” en frecuencia.
  • Clasificación de imágenes simples: identificar un símbolo (corazón, estrella) por su contorno.
  • Apps del día a día: reducción de ruido en llamadas, estabilización de video, filtros de cámara.

7) Proyectos biomédicos (propósito y ética)

  • ECG: apoyar la detección de ritmos irregulares para alertar a tiempo.
  • EEG: estudiar estados de sueño o episodios que requieren atención.
  • Imágenes médicas: resaltar estructuras (hueso, tejido blando) para guiar decisiones.

Cautelas éticas

  • Los algoritmos no reemplazan a profesionales.
  • Debe haber validación clínica y supervisión experta.
  • Evitar sesgos que afecten a grupos poblacionales.

8) Limitaciones y ética

  • Datos sesgados → resultados injustos.
  • Privacidad: proteger información personal y de pacientes.
  • Consentimiento informado: especialmente con imágenes de personas.
  • Transparencia: explicar qué hace el sistema y sus límites.

9) Recursos e imágenes libres (repositorios y créditos)

Repositorios verificados

  • Wikimedia Commons (metadatos/licencias claros).
  • Unsplash (Licencia Unsplash: uso libre, atribución no obligatoria; recomendable acreditar autor).
  • Pixabay (CC0/PD, según archivo).

Imágenes sugeridas para carpeta images/ (descargar y acreditar):

  • images/Normal_ECG_2.svgNormal ECG 2 (CC BY-SA 3.0). Wikimedia Commons. (Wikimedia Commons)
  • images/MRI_Brain_T1_Axial_11.jpgMRI Brain T1 Axial (11) (CC BY-SA 4.0). Wikimedia Commons. (Wikimedia Commons)
  • images/Ultrasound_image_110316103934_1045590.jpg — Ecografía (CC BY-SA 3.0) por Nevit Dilmen. Wikimedia Commons. (Wikimedia Commons)
  • (Opcional) Foto contextual sin pacientes: Doctor using stethoscope… (Licencia Unsplash). Guardar como images/unsplash_stethoscope.jpg. (Unsplash)

Nota sobre consentimiento y pacientes en imágenes: ver guía de Commons sobre imágenes de pacientes. (Wikimedia Commons)

10) Cierre y preguntas

Ideas para proyectos escolares breves

  • “Mi barrio suena”: medir ruido con el celular y graficar cómo cambia a lo largo del día.
  • “Foto más clara”: comparar imagen original vs. procesada con el realce mostrado.
  • “Ritmo saludable”: simular un ECG y medir el intervalo entre picos.

Mensaje final Procesar señales e imágenes es aprender a leer historias que cuentan los datos para tomar mejores decisiones.

11) Referencias (introductorias y de divulgación)

  • Mneney, S. H. An Introduction to Digital Signal Processing: A Focus on Implementation (Open Access). OAPEN. (2008). (library.oapen.org)

  • IEEE Signal Processing Society. Signal Processing 101 (página divulgativa). (IEEE Signal Processing Society)

  • Li, M. et al. Medical image analysis using deep learning algorithms. Electronics, 2023 (OA, PMC). (PMC)

  • Hadaeghi, F. An Introduction to Biomedical Signal Processing (Lecture Notes) (OA PDF). (ai.rug.nl)

  • (En verificación) Capítulos introductorios de Biomedical Image Processing (Deserno). Revisión en PMC. Alternativas reales:

    • Medical Image Analysis (Elsevier, opciones OA). (ScienceDirect)
    • Biomedical Signal Processing and Control (Elsevier, opciones OA). (ScienceDirect)

Notas de producción (para el docente)

  • Base utilizada (TallerPrimerSemestre.qmd): se revisaron estructura narrativa, tono de bienvenida y algunas ideas para dinámicas. No se reutilizaron celdas con dependencias o estilos no requeridos, ni se mantuvieron secciones que excedían el nivel 10–11 o requerían matemáticas. Se ajustó cohesión y se añadió la secuencia exigida (1–11) y los cuatro bloques Python con matplotlib exclusivamente.
  • Reproducibilidad: cada bloque fija np.random.seed(42) y evita librerías externas.
  • Imágenes: descargar a images/ con los nombres indicados y conservar créditos/licencias en la diapositiva 9.